设计机器人是一个关键的过程，需要仔细考虑和小心。通常有必要非常清楚地知道你希望你的机器人做什么，你希望它做什么。然后你建立一个原型，找出它所有的错误，建立一些不同的更好的东西，并重复它，直到你耗尽时间和/或金钱。

但是机器人不一定要非常复杂，只要你对它们应该做的事情有较低的期望。在去年12月的NeurIPS研讨会上发表的一篇论文中，来自Preferred Networks的一组研究人员试图构建一个移动机器人，该机器人带有几个通用服务器和你可以在地面上找到的东西(比如树枝)。

通过深度强化学习，这些机器人首先弄清楚如何进入模拟。纸上实现的方法是拿起一些棍子，称重并进行三维扫描，模拟整个机器人，然后奖励导致最远移动的步态。也有一些手动调整，以避免可能的行为，例如，“对真正的机器人造成压力和磨损”。

一般来说，这可能不是你在大多数应用中可以使用的策略，但我们可以推测，这些机器人在某些方面可能会变得更加实用。能够用周围的任何东西(加上一些服务器或者一两个传感器)来制造移动机器人的想法是一个了不起的想法。看起来你可以用实验机器人和物理机器人从头开始对一些基本的传感器误差和反馈进行步态分析，因为我们在其他机器人平台上也看到过类似的事情。

机器人由Arduino Mega控制，由近藤KRS-2572HV伺服电机驱动，具有独立的驱动器和电源。

像这样的材料机器人不太可能像传统的机器人设计那样有能力，所以它们可能只在特殊情况下有用。不要担心，运输结构材料会很好，因为你可以使用一个通用的硬件组来创建各种必要的设计。用当地可用的材料制造机器人意味着你组装的所有东西都可以很容易地修复，即使你不得不教它再次移动。

来自Preferred Network公司的少女杀手阿墨前川、绚香库米、吉田博诺里、君畑、杰森纳拉多斯基和顺塔斋藤的“简单机器人设计和对象发现”在2018年NeurIPS的创意和设计机器学习研讨会上进行了展示。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：